Cybersikkerhed
Kryptosikkerhed har brug for markedsbevidst phishing‑detektion
Føj Securities.io til dine foretrukne kilder på Google
I den moderne tidsalder, hvor de fleste aktiver og værdifulde oplysninger er digitaliserede, er phishing‑svindel en vigtig måde, hvorpå kriminelle stjæler penge, langt højere end “normale” fysiske røverier og afpresning, med op til 25 mia. $ i globale tab, der direkte tilskrives phishing årligt.
Mere bredt anslås bedrageri‑ og bankbedragerisager at have medført tab på 485,6 mia. $ på verdensplan.
Det forværres yderligere, da genindfrielse af midler er meget lav, så lav som 5 % for digital phishing og cyberbedrageri (sammenlignet med 20 % for stjålne fysiske ejendomme), da de stjålne midler straks hvidvaskes gennem kryptovalutaer eller lagdelte internationale overførselsnetværk.
Denne metode ser svindlere udgive sig for betroede enheder for at narre individer til at afsløre følsomme oplysninger, downloade malware eller overføre midler. Så dette er i sin kerne en form for social engineering, der manipulerer menneskelig psykologi og tillid i stedet for udelukkende at stole på tekniske hackningsmetoder.
Kryptovalutamarkeder er især sårbare over for sådanne angreb, da transaktioner er irreversible, og stjålne krypteringsnøgler kan give kriminelle adgang til bogstavelige formuer.
To nylige forskningsartikler analyserede udbredelsen og karakteristikaene ved phishing i kryptovaluta, mere præcist i Ethereum‑netværket.
Den første, offentliggjort af forskere ved University of Manchester (UK), American University of Sharjah (UAE) og Renmin University of China, undersøger markedssituationen, når phishing er mest udbredt. Den blev offentliggjort i International Review of Economics & Finance1, og har titlen “The interplay between crypto market conditions and phishing crimes: Ethereum under the microscope”.
Den anden artikel, skrevet af en forsker ved Interdisciplinary Research Center for Finance and Digital Economy, King Fahd University of Petroleum and Minerals, viser, at maskinlæringsmodeller kan identificere phishing‑transaktioner med høj nøjagtighed ved brug af kompakte transaktionsniveau‑funktioner. Den blev offentliggjort i Blockchain: Research and Applications2, under titlen “Enhanced Phishing Transactions Detection on Ethereum Network with Tree-based Ensembles: An Empirical Study”.
Hvordan fungerer phishing?
Phishing kan anvende en række målretningsmetoder: den kan bestå af massebeskeder og filtrere kun de personer, der falder for svindlen, eller den kan bestå af stærkt tilpassede beskeder, skræddersyet til at virke legitime for en specifik person, typisk en højtstående profil i en bestemt organisation eller en person med høj nettoformue.
Under alle omstændigheder bygger metoden på at udgive sig for en legitim besked, hvad enten det er en bank‑e‑mail, en faktura fra en kendt leverandør osv. Ofte vil offeret blive omdirigeret til en hjemmeside, der ligner den legitime, men som i virkeligheden kun er designet til at indsamle loginoplysninger, adgangskoder og andre fortrolige informationer.
Seneste fremskridt inden for AI har kun forværret truslerne, da mere tilpasset besked eller endda efterligning af en virkelig persons stemme kan bruges til at skabe tillid.
Derfor er en af anbefalingerne til beskyttelse mod phishing altid at inspicere den fulde URL på webadresser, før man indtaster adgangskoder eller finansielle data, at verificere kilden direkte og at aktivere multifaktorautentificering (MFA).
Ethereum‑markedstilstande & phishing
Opbygning af et relevant datasæt
Undersøgelsen brugte månedlige kryptovaluta‑data fra januar 2016 til december 2022 for at analysere afkastet af globale phishing‑kriminalitetsnumre. 2016 blev valgt, da Ethereum på dette tidspunkt tiltrak mere offentlig opmærksomhed og oplevede højere markedsaktivitet, og da Ethereums markedsværdi begyndte at opleve betydelig vækst og volatilitet.
Phishing er langt den mest udbredte type svindel i kryptorummet og udgør mere end halvdelen af det samlede. De decentraliserede app‑kæder på Ethereum er, hvor den overvældende majoritet af disse svindel forekom.
Forskerne sammenlignede disse phishing‑statistikker med seks Ethereum‑finansielle målinger indsamlet fra transaktioner udført på Kraken‑kryptobørsen:
- Samlet antal transaktioner.
- Gennemsnitlig pris pr. transaktion.
- Gennemsnitlig transaktionsmængde.
- Samlet mængde af handlede tokens.
- Kyle’s lambda: Forholdet mellem prisændring og ordremængde, eller hvor meget en stor handel påvirker en aktivs pris.
- Implicit transaktionsomkostning.
Mere handel betyder mere phishing
Når man ser på korrelationen mellem disse Ethereum‑markedsstatistikker og phishing, fremkom en klar sammenhæng: store stigninger i phishing‑kriminalitetsnumre er stærkt forbundet med store stigninger i Ethereums transaktionsaktivitet, gennemsnitlig transaktionspris og transaktionsmængde.
Det er ikke overraskende, at transaktionsomkostninger er negativt forbundet med phishing‑aktivitet, da svindlere ønsker at undgå tab på hver stjålet transaktion.
Dog var lavere likviditet forbundet med mere phishing, da det får brugere til at søge alternative, potentielt usikre metoder for at spare på omkostninger eller fremskynde transaktioner.
En vigtig årsag til denne korrelation, som forskerne mistænker, er at højere handelsaktivitet afspejler øget interesse og engagement. Dette skaber igen en større pulje af potentielle phishing‑mål, som sandsynligvis har sænket deres forsigtighed.
Tilsvarende kan frygten for at gå glip af (FOMO) potentielle finansielle gevinster også få individer til at blive mere sårbare, hvilket fører til forhastede beslutninger.
Samlet set skaber dette to kanaler, hvorigennem betingelser på Ethereum‑markeder påvirker phishing. Den første er, at lavere omkostninger blot skaber større profit, hvilket incitamenterer kriminelle til at øge deres phishing‑forsøg.
“Når likviditeten er dyb, og de implizite omkostninger er lave, kan gerningsmænd flytte eller konvertere stjålne aktiver med lavere udførelsesomkostninger, hvilket øger den samlede gevinst fra phishing.”
Den anden er erkendelsen af, at kraftige stigninger i pris, volatilitet og handelsvolumen kan tiltrække uerfarne eller mindre informerede investorer til markedet, som er mere udsatte for spekulative fortællinger, hastværk og frygt for at gå glip af.
“I denne forstand fungerer markedsstemning og opmærksomhed som adfærdsmæssige formidlere, da de ikke direkte forårsager phishing, men de kan øge sandsynligheden for succesfulde phishing‑forsøg ved at øge antallet og modtageligheden af potentielle ofre.”
Politiske implikationer
Da phishing‑operationer ikke foregår i et vakuum, men reagerer på markedssituationen, bør politikker vedrørende økonomisk kriminalitet også gøre det. Et første skridt ville være at anerkende disse relationer og reagere derefter.
“Reguleringsmyndigheder og kryptovaluta‑børser kunne forbedre deres overvågningsmekanismer i perioder med betydelig markedsaktivitet eller volatilitet, ved at adoptere proaktive strategier for at identificere og afbryde potentielle phishing‑kampagner, før de påvirker ofre.”
Et andet element er, at transaktionsomkostninger måske ikke kun er omkostninger, men også en afskrækkende faktor mod kriminelle aktiviteter. Så selvom generelle høje transaktionsomkostninger ikke er ønskelige, kan målrettede afgifter på mistænkelige højfrekvente transaktioner hjælpe betydeligt.
“Forhøjede transaktionsomkostninger ser ud til at afskrække phishing‑aktivitet, hvilket indikerer, at regulatorer kan undersøge politikker eller mekanismer, der strategisk påvirker transaktionsomkostninger for at begrænse ulovlig aktivitet uden at påvirke legitime markedsoperationer negativt.”
Endelig bør offentlige oplysningskampagner nøje synkroniseres med markedsdynamikken, især i perioder med øget Ethereum‑markedsaktivitet eller betydelige prisbevægelser.
“Uddannelsesindsatser, kombineret med rettidige offentlige advarsler om potentielle phishing‑trusler, kan væsentligt reducere antallet af ofre ved at øge bevidstheden blandt investorer og handlende.”
Detektion af crypto‑phishing med AI
Udvælgelse af maskinlæringsmodeller
I denne undersøgelse brugte forskerne maskinlæringsalgoritmer til at teste deres evne til at opdage crypto‑svindel. Eller mere præcist, for at vurdere effektiviteten af træbaserede ensemble‑modeller (algoritmer, der samler forudsigelser fra flere individuelle beslutningstræer) i at opdage phishing‑angreb på Ethereum‑netværket.
Dette omfattede syv træbaserede ensemble‑modeller: Random Forest, Extra Trees, AdaBoost, CatBoost, Gradient Boosting, XGBoost og Hist Gradient Boosting.
De brugte et datasæt på 71.250 reelle Ethereum‑transaktioner fra 2017 til 2019, leveret af en anden forsker, hvoraf 22 % er anomale. Unormale (bedrageri) transaktioner blev indsamlet fra det open‑source værktøj, EtherscanDB.
Hvilke data er nyttige til bedrageridetektion?
Fra denne analyse fremkommer nogle få fakta.
Den første er, at nogle funktioner i dataene var meget nyttige til phishing‑detektion, såsom en bloks tidsstempel og nummer, samt gas og gaspris, mens andre i bund og grund var irrelevante, såsom transaktionsindeks eller blokhash.
Den anden er, at nogle modeller er betydeligt mere effektive og hurtigere til at opdage bedrageri. Til det punkt, hvor nogle tager op til 5 gange længere.
Dog kan denne hastighed og beregningsmæssige effektivitet gå parallelt med lavere præcision, da Gradient Boosting var den langsomste, men også den model, der opnåede den stærkeste samlede detektionspræstation.
I praksis kan der findes et kompromis mellem beregningsintensitet og bedrageridetektions effektivitet.
“Brugen af en kompakt funktionrepræsentation viser, at effektiv phishing‑detektion kan opnås med reduceret beregningsmæssig belastning, hvilket forbedrer skalerbarheden.”
Mod sikrere kryptovalutamarkeder
Kryptovaluta har både været mål for svindel og en måde for kriminelle at hvidvaske deres uretmæssigt opnåede gevinster, et faktum der i lang tid har været en plet på sektoren.
Takket være mere akademisk forskning som disse studier kan både en dybere forståelse af markedsdynamik og evnen til at opdage og blokere phishing‑angreb opnås.
Sammen peger resultaterne på en fremtid, hvor børser, tegnebøger, regulatorer og blockchain‑analytikvirksomheder betragter phishing‑forebyggelse som et dynamisk risikostyringsproblem knyttet til markedssituationen.
Dette bør også være vigtigt at huske for alle crypto‑brugere, at den nemme vej eller et pludseligt krav om identifikation eller adgangskode skal behandles med største mistanke, især under markedstoppene og perioder med høj volatilitet.
Studier refereret
1. Yuanyuan Zhang, et al. The interplay between crypto market conditions and phishing crimes: Ethereum under the microscope. International Review of Economics & Finance. september 2026. Artikel: 105497. Bind 110. 10.1016/j.iref.2026.105497
2. Shikah J. Alsunaidi and Hamoud Aljamaan. Enhanced Phishing Transactions Detection on Ethereum Network with Tree-based Ensembles: An Empirical Study. Blockchain: Research and Applications. 12 juni 2026, 100506. https://doi.org/10.1016/j.bcra.2026.100506
